GEO SKILL · geo-measurement
yao-geo-effect-monitor
设计 GEO Signal Monitor，面向 DeepSeek、豆包、千问、Kimi、元宝建立 AI 答案监测、引用追踪、品牌事实纠偏、月报告警和谨慎归因闭环，并补充真实数据获取、报告完整性模型、数据库/API 草案和四格式交付。
执行说明
--- name: yao-geo-effect-monitor description: Use when designing a GEO Signal Monitor, AI answer monitoring system, citation tracking plan, brand-fact correction loop, GEO monthly report, alert rules, dashboard fields, or cautious attribution framework for DeepSeek, Doubao, Qianwen, Kimi, Tencent Yuanbao, and similar answer engines. --- <!-- Copyright © 2026 姚金刚. All rights reserved. Project: yao-geo-effect-monitor Created by: 姚金刚 Date: 2026-05-16 X: https://x.com/yaojingang --> # Yao GEO Effect Monitor ## When To Use - 为 GEO 长期运营建立 AI 答案监测、引用源追踪、品牌表述纠偏和效果归因闭环。 - 面向客户月报、内容迭代、页面优化、外部信源建设或品牌事实纠偏输出后端监测方案。 - 覆盖国内平台：DeepSeek、豆包、千问、Kimi、元宝，并为每个平台建立独立采样口径。 - 默认交付 `Word`、`PDF`、`HTML`、`Markdown` 四格式报告，要求白底、表格边框、对齐、换行和页面溢出可控。 ## Do Not Use - 一次性 GEO 战略诊断，优先用 `yao-geo-panorama-audit`。 - 只做 CRM 字段、表单和转化追踪，不需要 AI 答案监测，优先用 `yao-geo-tracking`。 - 需要绕过平台限制、批量滥采、模拟真人登录或违反服务条款。 - 只需要内容生产或文章改写，不需要监测闭环。 ## Required Inputs 最少输入：品牌名、目标平台、监测目标或报告周期。可选输入包括意图拓词 Prompt 库、竞品名、目标页面、内容清单、基线数据、发布日期、更新记录、CRM 或转化数据、外部信源清单、历史 AI 答案样本、设备、账号、地区、联网状态和合规限制。 ## Required Reading - `references/research-basis.md` - `references/monitoring-method.md` - `references/cn-platform-sampling.md` - `references/data-acquisition.md` - `references/metrics-attribution.md` - `references/correction-loop.md` - `references/dashboard-data-model.md` - `references/report-completeness-model.md` - `references/artifact-layout.md` - `references/quality-gates.md` ## Workflow 1. 统一监测对象：品牌名、别名、产品名、竞品名、官网域名、公众号、文档站、媒体稿、社区和视频号。 2. 做权威参考扫描：先收集官网、官方文档、投资者/监管/标准资料、研究论文和可信第三方来源，建立来源账本，再进入分析。 3. 做公司测试场景发现：从公开事实提炼产品线、客户场景、AI/新功能、价格边界、集成生态、中文资料可得性和竞品/替代品，再映射到 Prompt 组。 4. 建立 Prompt 库：按 `推荐`、`比较`、`替代`、`价格`、`风险`、`品牌验证`、`场景问法` 七组组织，每组保留核心问法、长尾问法、对照问法和追问问法。 5. 建立五平台独立采样口径：DeepSeek 记录结论稳定性和证据链；豆包记录口语问答和图文输出；千问记录引用源和追问；Kimi 记录深度研究与长文引用；元宝记录微信生态来源和公众号内容表现。 6. 选择数据接入模式：按 `合成回放`、`人工真实样本`、`授权 API/连接器`、`浏览器辅助合规采样`、`CRM/转化数据导入` 分级，先确认权限、频率、证据和隐私边界。 7. 执行采样并记录环境：平台、时间、设备、账号状态、地区、联网状态、Prompt 版本、答案原文、引用链接、截图、导出文件、接口日志或其他可审计证据。 8. 做真实数据可用性判定：没有原始答案、截图/导出、采样环境和来源记录时，不得把结果标成真实采样；只能标成合成样例、推断或待复核。 9. 按六层模型分析：覆盖可见性、事实性、证据性、稳定性、竞争性和治理/归因，不允许只输出单维度指标。 10. 计算指标：品牌出现率、候选率、推荐率、排序、竞品出现率、负面表述率、描述准确率、事实错误率、引用召回率、引用准确率、引用类型覆盖、答案稳定性。 11. 做引用源追踪：区分官网、公众号、媒体、百科、社区、视频号、文档站、评测站、聚合页和竞品页面，并判断引用是否支持对应说法。 12. 做谨慎归因：设置基线窗口、观察窗口、处理 Prompt、对照 Prompt、竞品对照和外部事件记录；默认使用 `观察相关`，只有证据充分才提高归因置信度。 13. 生成纠偏闭环：把错误事实、缺失证据、弱页面、负面表达和引用缺口映射到知识库、内容改造、页面设计、外部发布或销售口径。 14. 输出系统、详细、完整的报告：必须包含来源账本、数据接入声明、分析边界、指标体系、平台差异、引用质量、风险治理、纠偏路线图、仪表盘/API 和附录。 ## Output Contract - `GEO 后端监测方案` - `权威参考与来源账本` - `五平台采样口径` - `真实数据接入模式与证据等级` - `公司测试场景发现表` - `监测 Prompt 库` - `指标体系与计算口径` - `引用源追踪规则` - `答案差异分析与谨慎归因` - `纠偏任务表` - `月报模板` - `阈值告警规则` - `复盘节奏` - `仪表盘字段说明` - `数据库表结构和 API 草案` - `治理、合规、数据质量和置信度说明` - `真实数据可用性判断：可用、部分可用、不可用、合成演示` - `附录：Prompt 全表、指标字典、来源账本、采样记录字段` - `风险、合规与置信度说明` - 默认四件套：`Word`、`PDF`、`HTML`、`Markdown` ## Validation Checklist - 四个示例或交付文件真实存在，并能被 `file`、文本抽取或浏览器打开校验。 - `HTML`、`Word`、`PDF`、`Markdown` 来源一致，章节和关键表格一致。 - 报告为白底，表格边框完整，列宽、换行、行距和页边距不溢出。 - 五个平台都有独立采样口径，不混用一个平台结论。 - 必须明确 `sample_mode` 和证据等级；没有可审计原始样本时，不得声称拿到真实平台数据。 - 不只看品牌出现率，也计算候选率、推荐率、描述准确率和引用质量。 - 引用质量同时检查召回和准确，不把引用链接数量等同于可信度。 - 归因必须有基线、观察窗口、对照 Prompt、竞品对照和混杂因素记录。 - 采样方式不违反平台服务条款；批量自动化必须写频率、权限和人工复核边界。
使用指南
<!-- Copyright © 2026 姚金刚. All rights reserved. Project: yao-geo-effect-monitor Created by: 姚金刚 Date: 2026-05-16 X: https://x.com/yaojingang --> # yao-geo-effect-monitor `yao-geo-effect-monitor` 是一个监测闭环类 GEO skill，用于设计 GEO Signal Monitor：长期采样 AI 答案、追踪引用来源、纠偏品牌事实、输出客户月报、设置告警规则，并对内容发布、页面修复和外部信源建设后的变化做谨慎归因。 ## 适用场景 - GEO 项目长期运营 - 客户月报和季度复盘 - 内容迭代和页面优化后的效果观察 - 品牌事实错误纠偏 - AI 答案引用源追踪 - 监测看板、数据库表和 API 草案设计 ## 国内平台适配 | 平台 | 独立采样重点 | |---|---| | DeepSeek | 结论稳定性、证据链、联网状态 | | 豆包 | 口语问答、图文输出、短答案推荐 | | 千问 | 引用源、追问路径、阿里生态或电商信源 | | Kimi | 深度研究、长文引用、文档站 | | 元宝 | 微信生态来源、公众号内容、视频号线索 | ## 核心输出 - GEO 后端监测方案 - 监测指标体系与 Prompt 库 - 五平台采样口径 - 引用源追踪规则 - 月报模板、告警规则和纠偏任务表 - 仪表盘字段说明 - 数据库表结构和 API 草案 - 默认四件套：Word、PDF、HTML、Markdown ## 研究增强 - GEO 黑盒可见性：同时监测出现、候选、推荐、排序和引用。 - 生成式搜索可验证性：引用质量拆成引用召回率和引用准确率。 - 生成式相关反馈：Prompt 库用实体、事实、场景和追问做可复采扩展。 - AgenticGEO 与 citation failure diagnosis：纠偏任务先诊断“为什么没被引用”，再映射到页面、知识库或外部信源。 - Causal impact：归因必须有基线窗口、观察窗口、处理 Prompt、对照 Prompt、竞品对照和混杂因素记录。 ## 示例报告 四个示例文件均由同一份 Markdown 源生成： - [Markdown](../../skills/yao-geo-effect-monitor/examples/synthetic-demo/xinglan-effect-monitor-demo.md) - [HTML](../../skills/yao-geo-effect-monitor/examples/synthetic-demo/xinglan-effect-monitor-demo.html) - [Word](../../skills/yao-geo-effect-monitor/examples/synthetic-demo/xinglan-effect-monitor-demo.docx) - [PDF](../../skills/yao-geo-effect-monitor/examples/synthetic-demo/xinglan-effect-monitor-demo.pdf) HubSpot 国内 AI 平台公司专项测试四件套： - [Markdown](../../skills/yao-geo-effect-monitor/examples/hubspot-cn-signal-monitor/hubspot-cn-effect-monitor.md) - [HTML](../../skills/yao-geo-effect-monitor/examples/hubspot-cn-signal-monitor/hubspot-cn-effect-monitor.html) - [Word](../../skills/yao-geo-effect-monitor/examples/hubspot-cn-signal-monitor/hubspot-cn-effect-monitor.docx) - [PDF](../../skills/yao-geo-effect-monitor/examples/hubspot-cn-signal-monitor/hubspot-cn-effect-monitor.pdf) ## 质量门 - 四格式文件必须真实存在并可读。 - HTML、Word、PDF、Markdown 必须保持章节和关键表格一致。 - 不只看品牌出现率，还要看候选率、推荐率、描述准确率和引用质量。 - 引用质量必须同时判断召回和准确。 - 归因不能只看前后变化，必须有时间窗口和对照组。 - 纠偏任务必须有负责人、验收指标和复采日期。 ## 包路径 - Skill package: [skills/yao-geo-effect-monitor](../../skills/yao-geo-effect-monitor)
来源：yaojingang/yao-geo-skills，MIT License。工作流输出仍需人工核验，不应把未证实的品牌主张直接发布。